Nessa análise utilizaremos dados coletados pelo #MeRepresenta. Esses dados contém informações de 890 candidatas e candidatos cadastrados em 244 cidades, 24 estados e de todos os partidos se manifestando em relação às pautas de igualdades de gênero, racial e orientação sexual.
A partir desses dados, poderemos responder os questionamentos feitos nessa análise.
Para facilitar nossa visualização, criei as seguintes categorias: SS, SN, NS e NN. Onde o primeiro símbolo (S ou N) representa a posição com relação ao respeito à identidade de gênero de pessoas trans, que pode ser positiva (S) ou negativa (N), e o segundo com relação a adoção por famílias LGBTs, que segue a mesma lógica.
respostas_LGBT <- respostas %>%
mutate(comparacao = case_when((`Respeito à identidade de gênero de pessoas trans` == "S" & `Adoção por famílias LGBTs` == "S") ~ "SS",
(`Respeito à identidade de gênero de pessoas trans` == "S" & `Adoção por famílias LGBTs` == "N") ~ "SN",
(`Respeito à identidade de gênero de pessoas trans` == "N" & `Adoção por famílias LGBTs` == "S") ~ "NS",
(`Respeito à identidade de gênero de pessoas trans` == "N" & `Adoção por famílias LGBTs` == "N" ~ "NN")))
p <- ggplot(data = respostas_LGBT, aes(x = comparacao, fill=cor_tse))+
geom_bar(stat="count") +
scale_x_discrete("Categoria") +
scale_fill_discrete(guide = guide_legend(title = "Cor"))
ggplotly(p)
## We recommend that you use the dev version of ggplot2 with `ggplotly()`
## Install it with: `devtools::install_github('hadley/ggplot2')`
Observação: Ao clicar duas vezes em cima da cor, ao lado direito, o gráfico é alterado para conter apenas as informações referentes ao determinado gênero. Além disso, é possível dar zoom em qualquer área do gráfico
Observando o gráfico, percebemos que a grande maioria (706 candidatos) se posicionam a favor dos dois temas. Porém, para responder a pergunta iremos focar nas categorias SN e NS.
Fica claro que existem candidatos que são contra um tema e a favor do outro, o que me surpreendeu, mesmo que os números não sejam tão altos. Sendo que a maioria (76 candidatos), nesses casos, se posiciona contra o respeito à identidade de gênero de pessoas trans, o que não nos espanta, mas é bastante lamentável. Já 14 candidatos se posicionam contra a adoção por famílias LGBTs e a favor do respeito à identidade de gênero de pessoas trans.
partidos <- respostas_LGBT %>%
filter(comparacao == "NN" | comparacao == "NS" | comparacao == "SN")
a <- ggplot(data = partidos)+
geom_count(stat="count", aes(x = sigla_partido, color = comparacao))+
coord_flip() +
scale_x_discrete("Sigla do partido") +
scale_y_discrete("Quantidade de votos") +
scale_color_discrete(name = "Categoria")
ggplotly(a)
## We recommend that you use the dev version of ggplot2 with `ggplotly()`
## Install it with: `devtools::install_github('hadley/ggplot2')`
rm(partidos)
rm(a)
Ao contrário do que eu imaginei, houveram candidatos de partidos com ideologias diferentes. O partido REDE foi o que mais se destacou, sendo 1 voto SN, 1 voto NN e 7 votos NS.
contra_estado_laico = respostas %>%
filter(`Estado Laico` == "N")
e <- ggplot(data = contra_estado_laico, aes(x = `Descriminalização do aborto`, fill=genero))+
geom_bar(stat="count")
ggplotly(e)
## We recommend that you use the dev version of ggplot2 with `ggplotly()`
## Install it with: `devtools::install_github('hadley/ggplot2')`
Aqui, recolhemos os dados apenas dos candidatos que se posicionaram contra o estado laico. Fica claro que, quem é contra o estado laico geralmente é contra de descriminalização do aborto também. Ainda nesses casos, a proporção de mulheres que é contra a descriminalização do aborto é menor (31%) do que as são a favor (44%).
data_filtered = contra_estado_laico %>%
filter(`Descriminalização do aborto` == "N")
ggplot(data = data_filtered, aes(x = sigla_partido, fill=genero))+
geom_bar(stat="count") +
coord_flip()
A hipótese da pergunta não foi confirmada com os resultados do gráfico, pois há candidatos de diversos partidos.